other
أخبار
التحكم الذاتي القائم على الذكاء الاصطناعي Dec 10, 2022
As process control technologies advance, one concept gaining prominence is autonomy. When contrasted with conventional automation, one of the main differentiators of autonomy is applying artificial intelligence (AI) so an automation system can learn about the process and make its own operational improvements. Although many companies find this idea intriguing, there is understandable skepticism. The system’s capability is only as good as its foundational algorithms, and many potential users want to see AI in operation somewhere else before buying into the idea wholeheartedly. Those real-world examples are beginning to emerge.

Yokogawa’s autonomous control systems are built around factorial kernel dynamic policy programming (FKDPP), which is an AI reinforcement learning algorithm first developed as a joint project of Yokogawa and the Nara Institute of Science and Technology (NAIST) in 2018. Reinforcement learning techniques have been used successfully in computer games, but extending this methodology to process control has been challenging. It can take millions, or even billions, of trial-and-error cycles for a software program to fully learn a new task.

Since its introduction, FKDPP has been refined and improved for industrial automation systems, typically by working with plant simulation platforms used for operator training and other purposes. Yokogawa and two other companies created a simulation of a vinyl acetate manufacturing plant. The process called for modulating four valves based on input from nine sensors to maximize the volume of products produced, while conforming to quality and safety standards. FKDPP achieved optimized operation with only about 30 trial-and-error cycles—a significant achievement.

This project was presented at the IEEE International Conference in August 2018. By 2020, this technology was capable of controlling entire process manufacturing facilities, albeit on highly sophisticated simulators. So, the next question became, is FKDPP ready for the real world?



من المحاكاة إلى الواقع ،

أجاب Yokogawa على هذا السؤال في مصنع أشباه الموصلات Komagane في Miyada-mura ، اليابان (الشكل 1). هنا ، يتم جزء كبير من الإنتاج في بيئات غرفة نظيفة تحت ظروف درجة الحرارة والرطوبة التي يتم التحكم فيها بإحكام اللازمة لإنتاج منتجات خالية من العيوب. تتمثل مهمة نظام الذكاء الاصطناعي في تشغيل أنظمة التدفئة والتهوية وتكييف الهواء (HVAC) على النحو الأمثل من خلال الحفاظ على الظروف البيئية المطلوبة مع تقليل استخدام الطاقة.

من المفهوم أن التطبيق الفعلي الذي تم اختياره لهذا النوع من التجارب سيكون ذا نطاق متواضع مع الحد الأدنى من احتمالية مخاطر السلامة. قد يكون هذا النهج المحافظ أقل دراماتيكية من تلك الموجودة في مصفاة النفط ، لكن هذا لا يقلل من صحتها كدليل على المفهوم.


للوهلة الأولى ، قد لا يبدو تشغيل نظام HVAC بشكل مستقل معقدًا. لكن أنظمة التدفئة والتهوية وتكييف الهواء (HVAC) التي تدعم بيئة الغرفة النظيفة التي يتم التحكم فيها بإحكام تمثل 30 في المائة من إجمالي الطاقة التي تستهلكها المنشأة ، وبالتالي تمثل تكلفة كبيرة. يختلف مناخ اليابان باختلاف الفصول ، لذلك هناك تعديلات ضرورية في أوقات مختلفة من العام لتحقيق التوازن بين التدفئة والتبريد ، مع توفير التحكم في الرطوبة.

يقع المرفق في واد جبلي على ارتفاع 646 مترًا (2119 قدمًا). المناخ معتدل ويميل إلى أن يكون باردًا نسبيًا ، حيث تتراوح درجة الحرارة السنوية بين -9 درجات و 25 درجة مئوية (15.8 درجة و 77 درجة فهرنهايت). ينتج المصنع مستشعرات ضغط قائمة على أشباه الموصلات (الشكل 2) تدخل في عائلة مرسلات الضغط DPharp ، لذا فإن الحفاظ على الإنتاج دون انقطاع أمر ضروري. على الرغم من أن هذا العرض التوضيحي موجود في أحد مصانع Yokogawa الخاصة ، إلا أن مخاطر التكلفة والإنتاج ليست أقل واقعية من مخاطر العميل الخارجي.

يقع موقع المنشأة خارج نظام توزيع الغاز الطبيعي المحلي ، لذلك يجب إحضار غاز البترول المسال (LP) لتوفير البخار للتدفئة والترطيب. يعمل تبريد الهواء على الطاقة الكهربائية التقليدية التي توفرها الشبكة. يعمل كلا النظامين بالتنسيق عند الضرورة للحفاظ على مستويات الرطوبة الحرجة.

تبدأ اعتبارات توزيع الطاقة المعقدة
المحيطة باستخدام الطاقة في مصانع التصنيع اليابانية بالتكلفة المحلية المرتفعة. الطاقة بجميع أشكالها مكلفة بالمعايير العالمية ، والكفاءة لها أهمية قصوى. تستخدم منشأة Komagane أفرانًا كهربائية لمعالجة رقاقة السيليكون ، ومن الضروري استعادة أكبر قدر ممكن من الحرارة المفقودة من هذه العمليات ، خاصة خلال أشهر الشتاء.

لكي يتم اعتباره ناجحًا ، يجب أن يوازن نظام التحكم الذاتي بين العديد من الأهداف الحاسمة ، بعضها لا يتعارض مع بعضها البعض. تشمل هذه الأهداف:

يجب الحفاظ على معايير صارمة لدرجة الحرارة والرطوبة في بيئة الغرفة النظيفة من أجل جودة المنتج ولكن مع أقل استهلاك ممكن من غاز البترول المسال والكهرباء.
يمكن أن تتغير الأحوال الجوية بشكل كبير خلال فترة زمنية قصيرة ، مما يتطلب تعويضًا.
بيئة الغرفة النظيفة كبيرة جدًا ، لذلك هناك درجة عالية من القصور الذاتي الحراري. وبالتالي ، قد يستغرق تغيير درجة الحرارة وقتًا طويلاً. 
تساهم المعدات الموجودة في الغرفة النظيفة أيضًا في توفير الحرارة ، ولكن لا يمكن تنظيم ذلك بواسطة نظام التحكم الآلي.
تُستخدم حرارة النفايات الناتجة عن الأفران الكهربائية كمصدر حرارة بدلاً من غاز البترول المسال ، ولكن الكمية المتاحة متغيرة بدرجة كبيرة ، مدفوعة بعدد خطوط الإنتاج المستخدمة في أي وقت.
المبرد الدافئ للغلاية هو مصدر الحرارة الأساسي للهواء الخارجي. إذا كانت هناك حاجة إلى مزيد من الحرارة أكثر مما هو متاح من هذا المصدر المستعاد ، فيجب أن تأتي من المرجل الذي يحرق غاز البترول المسال.
يتم تسخين الهواء الخارجي أو تبريده بناءً على درجة الحرارة المحلية ، عادةً ما بين 3 درجات و 28 درجة مئوية (37.4 درجة و 82.4 درجة فهرنهايت). بالنسبة للجزء الأكبر من العام ، يتطلب الهواء الخارجي تدفئة.
تعد استراتيجية التحكم الحالية (الشكل 3) أكثر تعقيدًا مما تبدو عليه لأول مرة. تحت السطح ، الآليات المعنية مترابطة بطرق تغيرت على مر السنين ، حيث عمل مهندسو المصانع على زيادة الكفاءة.


كانت هناك محاولات عديدة سابقة لتقليل استهلاك غاز البترول المسال دون القيام باستثمارات كبيرة في المعدات الرأسمالية الجديدة. وصلت هذه التحسينات الإضافية إلى حدودها العملية في عام 2019 ، مما أدى إلى تنفيذ استراتيجية التحكم الجديدة المستندة إلى FKDPP في أوائل عام 2020. اختار

فريق التنفيذ يومًا بطيئًا أثناء انقطاع الإنتاج المجدول لتشغيل نظام التحكم الجديد. خلال ذلك اليوم ، سُمح لنظام الذكاء الاصطناعي بإجراء تجاربه الخاصة مع المعدات لمعرفة خصائصها. بعد حوالي 20 تكرارًا ، طور نظام AI نموذج عملية قادرًا على تشغيل نظام HVAC الكامل بشكل جيد بما يكفي لدعم الإنتاج الفعلي. 

على مدار أسابيع وشهور 2020 ، واصل نظام الذكاء الاصطناعي تحسين نموذجه ، وإجراء تعديلات روتينية لاستيعاب التغيرات في أحجام الإنتاج وتقلبات درجات الحرارة الموسمية. كانت الفائدة النهائية للنظام الجديد القائم على FKDPP هي خفض استهلاك غاز البترول المسال بنسبة 3.6 في المائة بعد التنفيذ في عام 2020 ، استنادًا بالكامل إلى استراتيجية الذكاء الاصطناعي الجديدة ، دون الحاجة إلى استثمارات رأسمالية كبيرة.

يعد الذكاء الاصطناعي المستند إلى FKDPP أحد التقنيات الأساسية التي تدعم الأتمتة الصناعية في Yokogawa للانتقال إلى الاستقلال الصناعي (IA2IA) ، وهو مكمل لمفاهيم التحكم في العمليات التقليدية المتناسبة والمتكاملة والمتقدمة في العديد من المواقف ، وحتى استبدال العمليات اليدوية المعقدة في حالات أخرى. التحكم في الوقت الحقيقي باستخدام التعلم المعزز ، الذكاء الاصطناعي ، كما هو موضح هنا ، هو الجيل التالي من تكنولوجيا التحكم ، ويمكن استخدامه مع أي عملية تصنيع تقريبًا لتقريبه من التشغيل المستقل تمامًا.

منتجات جديدة
اترك رسالة
إذا كنت مهتمًا بمنتجاتنا وترغب في معرفة المزيد من التفاصيل ، فالرجاء ترك رسالة هنا ، وسنرد عليك في أقرب وقت ممكن.
يُقدِّم

اترك رسالة

اترك رسالة
إذا كنت مهتمًا بمنتجاتنا وترغب في معرفة المزيد من التفاصيل ، فالرجاء ترك رسالة هنا ، وسنرد عليك في أقرب وقت ممكن.

مسكن

منتجات

اتصل

whatsapp